CFR变体和FP变体

多智能体博弈强化学习算法的重难点
CRF的主要难点：一是要求智能体具有完美回忆，这在很多实际博弈场景中很难满足；二是算法的收敛性很难保证；三是由于要遍历很多博弈节点，因此需要大量内存空间。
NFSP的主要难点：一是 NFSP 系列算法依赖于off-policy 的深度 Q 值网络，因此在搜索规模大、即时策略场景下很难收敛；二是在训练时智能体都是独立更新，没有利用对手的信息；
三是 NFSP 的最佳响应计算依赖于 Deep Q-learning,收敛时间长且计算量大。

参考：https://www.cnblogs.com/suancai/p/15339812.html